Für eine möglichst fehlerfreie Ausführung moderne Fahrerassistenzsysteme werden Informationen über alle sich im eigenen Fahrzeugumfeld befindenden Objekte benötigt. Neben deren aktuellen kinematischen Informationen sindhierfür auch akkurate Fahrprädiktionen für viele Funktionalitäten notwendig. Aktuelle Ansätze dafür verwenden gemessene- Fahrzeugdaten und prädizieren diese mittels eines kinematischen Modelles über einen kurzen Zeithorizont. In dieser Arbeit stellen wir ein Verfahren vor, um in außerstädtischen, dynamischen Verkehrssituationen Fahrtrajektorien über einen langen Zeithorizont zu prädizieren. Fallbasiertes Schließen (engl.: case-based reasoning) wird verwendet um basierend auf erkannten Fahrmanövern ähnliche Trajektorien aus einer Datenbank zu erkennen und aus diesen konkrete Prädiktionen für das gegebene Fahrmanöver zu extrahieren. Das Gesamtsystem wurde sowohl mir simulierten als auch mit realen Daten evaluiert und seine Leistungsfähigkeit durch einen Vergleich mit konventionellen Prädiktionsverfahren verifiziert.

    Advanced driver assistance systems require accurate knowledge on the current and future states of all surrounding vehicles. Current approaches use the information on actual vehicle dynamics and a motion model, leading to short-time predictions. In this work, we developed a framework to determine long-term predictions of the future vehicle trajectory for extra-urban traffic scenarios in dependence on the present situation. Scene analysis is used to yield the probability of occurrence on a set of maneuvers. Trajectory prediction is accomplished by an approach of Case-based reasoning. Based on the current observation, similar trajectories are retrieved from a database, resulting in long-term predictions for a given maneuver. The information of scene analysis is combined with these trajectory predictions to yield the final situation-adaptive long-term vehicle trajectory prediction. The performance of our method is verified with a comparison to conventional approaches in terms of error analysis over the prediction horizon.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Situation-adaptive Vehicle Trajectory Prediction


    Weitere Titelangaben:

    Situationsadaptive Prädiktionen von Fahrzeugtrajektorien


    Beteiligte:
    Omerbegovic, Said (Autor:in) / Firl, Jonas (Autor:in)


    Erscheinungsdatum :

    2013


    Format / Umfang :

    6 Seiten, 8 Bilder, 1 Tabelle, 11 Quellen




    Medientyp :

    Aufsatz (Konferenz)


    Format :

    Print


    Sprache :

    Englisch




    Situation-adaptive Vehicle Trajectory Prediction

    Omerbegovic, Said / Firl, Jonas | VDE-Verlag | 2013


    Vehicle trajectory prediction for adaptive cruise control

    Yi, Sung Gu / Kang, Chang Mook / Lee, Seung-Hi et al. | IEEE | 2015


    Traffic density adaptive vehicle trajectory prediction method

    LIU QIANG / LI ZILONG / ZHU JINGLONG et al. | Europäisches Patentamt | 2024

    Freier Zugriff

    Prediction method for reentry vehicle self-adaptive trajectory

    HU JUN / YANG MING / ZHANG ZHAO et al. | Europäisches Patentamt | 2015

    Freier Zugriff

    ADAPTIVE VEHICLE LONGITUDINAL TRAJECTORY PREDICTION FOR AUTOMATED HIGHWAY DRIVING

    Guo, Chunshi / Sentouh, Chouki / Soualmi, Boussaad et al. | British Library Conference Proceedings | 2016